Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
r_atelier8 [2016/09/05 16:13]
vincent_fugere [Atelier 8 : Modèles additifs généralisés]
r_atelier8 [2021/10/13 23:52] (current)
lsherin
Line 1: Line 1:
 +<WRAP group>
 +<WRAP centeralign>​
 +<WRAP important>​
 +<wrap em> __AVIS IMPORTANT__ </​wrap> ​
 +
 +<wrap em> Depuis l'​automne 2021, ce wiki a été discontinué et n'est plus activement développé. </​wrap>​
 +
 +<wrap em> Tout le matériel mis à jour et les annonces pour la série d'​ateliers R du CSBQ se trouvent maintenant sur le [[https://​r.qcbs.ca/​fr/​workshops/​r-workshop-08/​|site web de la série d'​ateliers R du CSBQ]]. Veuillez mettre à jour vos signets en conséquence afin d'​éviter les documents périmés et/ou les liens brisés. </​wrap>​
 +
 +<wrap em> Merci de votre compréhension,​ </​wrap>​
 +
 +<wrap em> Vos coordonnateurs de la série d’ateliers R du CSBQ. </​wrap>​
 +
 +</​WRAP>​
 +</​WRAP>​
 +<WRAP clear></​WRAP>​
 +
 ======= Ateliers R du CSBQ ======= ======= Ateliers R du CSBQ =======
  
Line 4: Line 21:
  
 Cette série de [[r|10 ateliers]] guide les participants à travers les étapes requises afin de maîtriser le logiciel R pour une grande variété d’analyses statistiques pertinentes en recherche en biologie et en écologie. Ces ateliers en libre accès ont été créés par des membres du CSBQ à la fois pour les membres du CSBQ et pour la grande communauté d’utilisateurs de R. Cette série de [[r|10 ateliers]] guide les participants à travers les étapes requises afin de maîtriser le logiciel R pour une grande variété d’analyses statistiques pertinentes en recherche en biologie et en écologie. Ces ateliers en libre accès ont été créés par des membres du CSBQ à la fois pour les membres du CSBQ et pour la grande communauté d’utilisateurs de R.
 +
 +//Le contenu de cet atelier a été révisé par plusieurs membres du CSBQ. Si vous souhaitez y apporter des modifications,​ veuillez SVP contacter les coordonnateurs actuels de la série, listés sur la page d'​accueil//​
 +
 +<wrap em>AVIS IMPORTANT: MISES À JOUR MAJEURES</​wrap>​
 +
 +**Mise à jour de mars 2021:** Ce wiki n'est plus activement développé ou mis à jour. Le matériel mis à jour pour la série d'​ateliers R du CSBQ est maintenant hébergé sur [[https://​github.com/​QCBSRworkshops/​workshop08|la page GitHub]] des ateliers R du CSBQ.
 +
 +Le matériel disponible inclut;
 +  - La [[https://​qcbsrworkshops.github.io/​workshop08/​pres-fr/​workshop08-pres-fr.html|présentation Rmarkdown]] pour cet atelier;
 +  - Un [[https://​qcbsrworkshops.github.io/​workshop08/​book-fr/​workshop08-script-fr.R|script R]] qui suit la présentation - //*en construction*//​.
 +  - [[https://​qcbsrworkshops.github.io/​workshop08/​book-fr/​index.html|Le matériel écrit]] qui accompagne la présentation en format bookdown - //*en construction*//​.
  
 ====== Atelier 8 : Modèles additifs généralisés ====== ====== Atelier 8 : Modèles additifs généralisés ======
Line 12: Line 40:
  
 **Résumé:​** L'​objectif de l'​atelier d'​aujourd'​hui sera d'​examiner ce que nous entendons par un modèle non-linéaire et comment les GAMs (modèles additifs généralisés) nous permettent de modéliser les relations non-linéaires. Nous examinerons également comment tracer et interpréter ces relations non-linéaires,​ comment ajouter des interactions,​ comment prendre en compte la non-indépendance des données (//e.g.// erreurs autocorrélées) et comment inclure des effets aléatoires en se basant sur les ateliers précédents. Enfin, nous allons brièvement aborder la mécanique derrière le fonctionnement des GAMs. **Résumé:​** L'​objectif de l'​atelier d'​aujourd'​hui sera d'​examiner ce que nous entendons par un modèle non-linéaire et comment les GAMs (modèles additifs généralisés) nous permettent de modéliser les relations non-linéaires. Nous examinerons également comment tracer et interpréter ces relations non-linéaires,​ comment ajouter des interactions,​ comment prendre en compte la non-indépendance des données (//e.g.// erreurs autocorrélées) et comment inclure des effets aléatoires en se basant sur les ateliers précédents. Enfin, nous allons brièvement aborder la mécanique derrière le fonctionnement des GAMs.
 +
 +**Lien vers la nouvelle [[https://​qcbsrworkshops.github.io/​workshop08/​workshop08-fr/​workshop08-fr.html|présentation Rmarkdown]]** ​
  
 Lien vers la présentation Prezi associée : [[https://​prezi.com/​ddkjfsxlr-za/​| Prezi]] Lien vers la présentation Prezi associée : [[https://​prezi.com/​ddkjfsxlr-za/​| Prezi]]
Line 30: Line 60:
 ===== 0. Le modèle linéaire ... et où il échoue ===== ===== 0. Le modèle linéaire ... et où il échoue =====
  
-Qu'​est-ce qu'un modèle linéaire ? La régression linéaire est ce que la plupart des gens apprennent avant tout en statistiques et est parmi les méthodes les plus performantes. Elle nous permet de modéliser une variable réponse en fonction de facteurs prédictifs et d'une erreur résiduelle. Tel que vu dans l'​atelier sur les [[http://​qcbs.ca/​wiki/​r_atelier3|Modèles ​linéaires]],​ la régression fait cependant quatre suppositions importantes :+Qu'​est-ce qu'un modèle linéaire ? La régression linéaire est ce que la plupart des gens apprennent avant tout en statistiques et est parmi les méthodes les plus performantes. Elle nous permet de modéliser une variable réponse en fonction de facteurs prédictifs et d'une erreur résiduelle. Tel que vu dans l'​atelier sur les [[http://​qcbs.ca/​wiki/​r_atelier4|modèles ​linéaires]],​ la régression fait cependant quatre suppositions importantes :
   - l'​erreur est distribuée normalement   - l'​erreur est distribuée normalement
   - la variance des erreurs est constante   - la variance des erreurs est constante